Imageflow — Rust 图像库 // Lib.rs

30 个版本

2.0.0-preview8	2023年9月26日
2.0.0-preview5	2023年4月3日
2.0.0-preview4	2023年1月6日
2.0.0-preview3	2022年12月23日
1.4.10-rc50	2020年7月5日

126 in 图像

4,151 星 & 67 关注者

1KB

以惊人的速度优化图像

下载极快且更安全的工具，以实现现代图像工作流程。

imageflow_tool 是一个命令行工具，用于实验、运行批处理作业、JSON作业或在需要进程隔离时使用。比 ImageMagick 快 17 倍。还能以更高的质量生成更小的文件。
libimageflow 适用于从您的编程语言直接（进程内）使用。请参阅我们的 Node 绑定、Go 绑定、Scala 绑定、Elixir 绑定 或 .NET 绑定。如果我们还没有为您的高级语言提供绑定，请考虑花费一天时间添加它们。Imageflow 有一个简单的与 C 兼容的 ABI，只需实现绑定所需的 4 个方法。
Imageflow.Server 是一个跨平台的软件，能够在图像传输过程中（例如：/bucket/img.jpg?w=200）直接从 HTML 中使用。源图像可以存储在 Blob 存储中、另一个服务器上或文件系统中。它是一个可用于生产的服务器，具有出色的混合磁盘缓存、支持 Azure 和 Amazon Blob 存储，并且可以轻松定制。您可以通过 Docker、虚拟机或任何云主机轻松部署它。它还与 ImageResizer API 兼容，这对于过去十年中集成到超过一千个不同的 CMS 和应用程序中的 ImageResizer 来说是很有用的。

打开问题以分享想法、反馈或提出问题。我们相信以反馈为导向的设计，并使现实世界的使用流程更加顺畅是制作出优秀产品的最快方式。

查询字符串 API 文档

JSON API 文档

libimageflow 和 imageflow_tool 作为自包含的二进制文件可用于 Windows、Ubuntu 和 Mac。我们还提供 Docker 镜像用于 Linux（需要 glibc 和 OpenSSL）。

我们感谢在 Kickstarter 上支持我们的赞助商和许多 ImageResizer 的支持者使这个项目成为现实。如果您需要 AGPLv3 许可证用于商业用途，请访问 Imageresizing.net。

从 imageflow_tool 开始（推荐）

imageflow_tool examples --generate - 创建一个包含 JSON 作业和调用脚本的 examples 目录。

您可以使用与 ImageResizer 4 查询字符串兼容的命令字符串。

imageflow_tool v1/查询字符串--输入来源.JPG--输出缩略图.JPG--命令"宽度=50&高度=50&模式=裁剪&格式=jpg"

或者提交一个 JSON 作业文件。JSON 作业可以有多个输入和输出，并且可以表示任何类型的操作图。

以下是从示例作业文件生成图像多个大小的示例

imageflow_tool v1/build --json examples/export_4_sizes/export_4_sizes.json
        --in waterhouse.jpg
        --out 1 waterhouse_w1600.jpg
              2 waterhouse_w1200.jpg
              3 waterhouse_w800.jpg
              4 waterhouse_w400.jpg
        --response operation_result.json

默认情况下，imageflow_tool 将 JSON 响应打印到 stdout。您可以使用 --response 将其写入磁盘。

--debug-package 将创建一个 .zip 文件，用于重现具有 v1/build 和 v1/querystring 的有问题的行为。请提交错误报告；我们尽力让它变得简单。

使用 Imageflow.Server 进行动态图像处理

注意：由于底层 Web 框架（iron）已被弃用且不再安全，因此已删除 imageflow_server。在过去几年中，我们建议迁移到可用于生产的 Imageflow.Server 产品，它还提供 Docker 部署（但我们建议您自己的 Dockerfile 以允许配置）

现在您可以从 HTML 中编辑图像...并且使用 srcset 而无忧。

<img src="http://localhost:39876/demo_images/u3.jpg?w=300" />

<img src="" srcset="    http://localhost:39876/demo_images/u3.jpg?w=300 300w
                        http://localhost:39876/demo_images/u3.jpg?w=800 800w
                        http://localhost:39876/demo_images/u3.jpg?w=1600 1600w" />

超越演示

您可能希望将各种图像源位置挂载到前缀。`--mount` 命令解析冒号（`:`）分隔的参数列表。第一个是您将在 URL 中使用的前缀（例如 `http://localhost:39876/prefix/`。第二个是引擎名称。其余参数将发送到引擎。

示例

`--mount`"`/img/:ir4_local:C:\inetpub\wwwroot\images"
`--mount "/proxyimg/:ir4_http:https:://myotherserver.com/imagefolder/"`（注意冒号的转义）

`--mount`"`/cachedstaticproxy/:permacache_proxy:https:://othersite.com" `--mount`"/githubproxy/:permacache_proxy_guess_content_types:https://raw.github.com/because/it/doesnt/support/content/types" `--mount`"/static/":static:./assets"

使用您语言的libimageflow 可以在https://github.com/imazen/imageflow-dotnet找到.NET Standard绑定 Node绑定可在https://github.com/imazen/imageflow-node找到 Ruby - 基本绑定可在bindings/ruby/找到 C和C++接口是稳定的 - 使用bindings/headers/imageflow_default.h或每个版本提供的许多其他约定之一。 Rust - Imageflow是用Rust编写的，因此您可以使用imageflow_corecrate。其他语言 - 使用您语言的外部函数接口（FFI）绑定生成工具，并给它最喜欢的头文件。您可能会发现imageflow_tool对于您的需求来说已经足够快了。本项目内的Crates imageflow_abi - libimageflow/imageflow.dll的稳定API。libimageflow的头文件位于bindings/headers imageflow_tool - 命令行工具 imageflow_server - HTTP服务器 c_components - 包含C源代码的rust crate c_components/tests - C组件的测试 imageflow_types - 大多数crate使用的共享类型，具有JSON序列化 imageflow_helpers - 常用辅助函数和工具 imageflow_riapi - RIAPI和ImageResizer4兼容性解析/布局 imageflow_core - 主要库和执行引擎已知缺陷和缺少功能（截至2020年5月）缺陷 imageflow_server尚未公开JSON API。尚未进行模糊测试或第三方审计。缺少的功能模糊处理。延迟的功能作业成本预测（延迟 - 社区没有兴趣）在没有Docker的情况下从源码构建您需要更多的东西来编译Imageflow，因为它有几个C依赖项。安装平台特定的先决条件（请找到下面的正确部分）。克隆并进入此存储库，例如：git clone git@github.com:imazen/imageflow.git && cd imageflow) 如果您在任一平台上使用bash，则应该能够使用build.sh ./build.sh clean - 清理 ./build.sh test - 运行所有测试 ./build.sh debug - 生成慢速调试二进制文件 ./build.sh release - 生成发布二进制文件 ./build.sh install - 将发布二进制文件安装到/usr/local（必须先运行`./build.sh release`） ./build.sh uninstall - 卸载发布二进制文件 build.sh 将二进制文件放置在 ./artifacts/ 目录中。如果您使用的是 Windows 系统，请在由 win_enter_env.bat 创建的窗口中运行 build 命令。您还可以直接使用 cargo 进行构建，尽管这样会将二进制文件放置在 ./target/release 中。* 使用 cargo test --all 在调试（慢速）模式下测试 Imageflow * 使用 cargo build --package imageflow_abi --release 编译 libimageflow/imageflow.dll * 使用 cargo build --package imageflow_tool --release 编译 imageflow_tool(.exe) * 使用 cargo build --all --release 在发布模式下编译所有内容 * 使用 cargo doc --no-deps --all --release 生成文档。使用 Docker 从源代码构建注意，我们不再使用 Docker 容器进行 CI，因此此方法已过时。安装 Docker 在 bash 会话中运行（Docker + Windows WSL、macOS 或 Linux） git clone git@github.com:imazen/imageflow.git cd imageflow ./build_via_docker.sh debug 这将创建特定于使用的 Docker 图像的缓存，位于 ~/.docker_imageflow_caches 中。实例将是临时的；唯一的状态将存储在缓存中。官方 Dockerfile（官方 Dockerfile）也是获取更详细的设置步骤的好地方，因为我们没有列出设置 Valgrind（常见版本会破坏 openssl；您可能需要从源代码构建）代码覆盖率绑定。 Linux 前提条件（在 Ubuntu 20.04 和 22.04 上进行测试。） #Install Rust by running `curl https://sh.rustup.rs -sSf | sh -s -- -y --default-toolchain stable` #Ensure build tools are installed (git, curl, wget, gcc, g++, nasm, pkg-config, openssl, ca-certificates) `sudo apt-get install git wget curl build-essential pkg-config libssl-dev libpng-dev nasm ` Mac OS 前提条件如果您还没有安装，请安装 XCode 命令行工具如果您还没有安装，请安装 Homebrew 安装 nasm、pkg-config 和 wget brew install nasm pkg-config wget 安装 Rust Windows WSL (Ubuntu) 前提条件从 Windows 商店安装 Ubuntu 运行 Ubuntu 22.04 并创建您的用户名/密码 sudo apt-get update 更新可用的软件包。通过运行以下命令安装 Rust：curl https://sh.rustup.rs -sSf | sh -s -- -y --default-toolchain stable 确保已安装构建工具（git、curl、wget、gcc、g++、nasm、pkg-config、openssl、ca-certificates）sudo apt-get install git wget curl build-essential pkg-config libssl-dev libpng-dev nasm （可选）若要使用图形文本编辑器，请将imageflow下载到“Windows”目录，然后在Ubuntu中将其映射到位置。例如，如果您将imageflow克隆到Documents/imageflow，则运行：ln -s /mnt/c/Users/[YourWindowsUserName]/Documents/imageflow ~/win_imageflow 关闭并重新打开Ubuntu Windows 10 先决条件安装Visual Studio 2017 Build Tools（单独或作为VS组件）安装Git 64位。以管理员身份运行NASM 64位安装程序 - 它不会提示。如果您想使用64位Imageflow，请安装Rust 64位；如果您不需要64位，请安装Rust 32位。将工具链stable作为默认，并确认将其添加到PATH。打开命令行并切换到该存储库的根目录编辑ci/wintools/SETUP_PATH.bat以确保rust/cargo、nasm、git和Git/mingw64/bin都包含在%PATH%中。运行win_enter_env.bat以启动一个子shell（如果您想进行32位构建，请编辑它）所有构建命令都应该在子shell中运行。运行cmd.exe /c "ci\wintools\win_verify_tools.bat"以检查工具是否存在。如何学习网络图像处理？首先，阅读高性能图像以了解背景。关于这个主题的优秀教科书并不多。以下是我在个人书架上的一些书籍。在这之间（以及维基百科）我能够整理出大约60%所需的知识；其余的都是通过阅读许多流行的图像处理库的源代码获得的。我会从头到尾阅读数字图像处理原理：核心算法，然后是数字图像扭曲。维基百科也是一个有用的参考，尽管相关页面没有链接或分类在一起 - 使用特定的搜索词，如"双线性插值"和"Lab颜色空间"。数字图像扭曲计算机图形学：C语言原理与实践（第二版）数字图像处理原理：基本技术数字图像处理原理：核心算法数字图像处理原理：高级方法我找到了OpenCV、LibGD、FreeImage、Libvips、Pixman、Cairo、ImageMagick、stb_image、Skia和FrameWave的源代码，这些源代码对于理解现实世界的实现和考虑非常有用。大多数教科书假设无限平面，忽略了偏移量错误、浮点数限制、色彩空间精度和有限区域内的操作对称性。我无法推荐任何教科书作为准确的参考，只能作为概念性起点。我在创建图像库时做了关于需要注意的问题的一些笔记。此外，请记住，计算机视觉与图像创建非常不同。在计算机视觉中，重采样精度几乎无关紧要，例如。但在图像创建中，你将图像提供给摄影师，他们的视觉感知能力比普通开发者强得多。产生的图像将与CSS和其他图像并排放置，最不重要的位的不准确度非常明显。你在与Lightroom竞争；与产生视觉完美结果的离线工具竞争。如果摄影师觉得这正在破坏他们的作品，他们将丢弃最终用户软件。

依赖项 git imageflow_core git imageflow_helpers git imageflow_riapi git imageflow_types